热红外遥感监测土壤含水量模型及其应用

第 � 卷第 �期 ! !∀ 年 ∀ 月 遥 感 技 术 与 应 用 # ∃%& ∋ ∃ (∃ ) (∗) + ∋ ∃ , − ) & .& + / 0 ) 1 0 22. ∗, 0 ∋ ∗& ) 价 乙� , ) 3 4 了 几了。5 , ∗夕夕了 热红外遥感监测土壤含水量 模型及其应用 � 魏文秋 陈秀万 �武汉水利 电力学院 !∀ ∀ #∃% 摘 要 在从理论上分析 了地表土壤 日温差 、 热惯量和土壤含水量三者的 关 系后 , 探 讨 了 由地表土壤 日温差推求热惯量 、 再 由热惯量推求土攘含水量的方 法 , 建立 了气象卫 星热 红外遥感监测土攘含水量模型 & 将所建立的模型应用于实 际土壤含水量的监测 , 做出 了辽宁 省 四∋∋ 年 ∋ 月 () 日近地表 � ( ∗+ 脚 % 土壤含水量分布 图 , 通过实刚资料验证 , 该模 型具有 较高精度 。 关键词 土攘含水量 热红外遥感 土攘热惯量 引言 大面积土壤的含水量状况是防洪、 抗旱的重要指标 , 也是地区性洪水、 旱情预报的重要 依据 。 因此 , 测量大面积土壤含水量是一项极其重要的基础工作 。 传统的测量土壤含水量方 法 , 如重量称样法 、 中子水分探测法 、 张力计法等 , 由于采样速度较慢 , 且是点上的测量 值 , 所以限制了它的应用 。 要迅速获得大面积土壤含水量分布信息 , 将常规方法与遥感技术 相结合 , 是一种有效的途径 。 国内外对应用遥感技术监测土壤含水量的方法 已作了大量的研究 〔’〕脚 脚 。 但由于影 响土壤含水量的因素很多 , 这种研究基本上是实验性的 , 且仅局限于统计相关分析和定性分 析上 , 还没有一个真正有效地监测土壤含水量的方法 〔’〕 。 我们将从理论上分析地表土壤 日 温 差 、 热 惯量 和 土 壤含水量 三 者 的关系 , 建立应 用气 象卫 星 甚高 分辨率 扫描仪 �, − . . / . 0 1 2 2 % 的热红外遥感信息监测土壤含水量模型 , 并探讨该模型在实际土壤含 水量监测中应用的可能性 。 ∃ 热红外遥感监测土壤含水量原理 理论和实践证明 , 热红外探测仪所探测到的辐射能量主要由地物温度和辐射率决定 , 而 卫本项目由水利水电科学基金资助 收稿日期 34 4∃刁 一 3! 遥 感 技 术 与 应 用 总第 67 期 地物温度和辐射率主要与地物中的水分有关 。 因此 , 通过观测地表温度的变化 , 可以估测其 土壤含水量 。 64 由地表日温差推求土壤热惯量 · 以付里叶级数表达 的温度周 日变化的热学模式为边界条件 , 解热传导方程 , 经推导 得 〔8 〕 9 : 一 0 ; < 0 ∋ =, 口 , ‘0 , : ; △∋ > ∋ , :阴 。? ; 一 ∋ 9 :, 。 ≅。; 式中 , 0 为反照率 Α ∋ Β :Χ Δ?; 、 ∋ Β :Χ ≅Ε; 分别为每天地表最高 、 最低温度 : 。 Φ ;Α △∋ 为 日温差 Α 0 和 △0 可以通过降临的可见光和热红外波段测出 。 ( 。 为太阳常数 Α 2 为热惯量 , 以焦耳 Γ 米“ · 秒 ‘Γ 6 · Φ 为单位 Α Η Ι 为短波辐射的大气透过率 Α 0 Ι 为太阳赤纬和当地纬度 的函数 Α 。 为周 日角频率 Α ϑ 是天气与地面实况参数 。 令 Χ 二 =( Κ ,Ι 0 。 :�一0 ; , 由上式变为 Χ 一 △到。尸 , Λ 近万刀Μ Λ 刀 , :6 ; 求解此方程 , 得 2 二 一 ϑ 士 :∀; 利用上式 , 可以通过地表土壤日温差推求土壤热惯量 。 64 6 由土壤热惯量推求土壤含水量 土壤热惯量是土壤对温度变化起阻碍作用的一个指标 , 定义为Μ 一诉万 , 式中 只为土 壤的热导率 , , 为土壤的体积热容量即比热 , 它们都与土壤含水量有关 。 64 6 4 土壤的比热 , 土壤的比热受土壤的固相组成 :矿物质和有机质; 、 容重及土壤含水量 的影响 , 通过各 · 组分的热容量与相应容积分数加权的和 , 可以求得 , 值 。 ! 7Ν 年 ΟΠ Θ 5≅ ΠΒ 提出的公式为 , 一刀飞, , ‘ Λ Ρ 、 , 4犷 Λ ΡΔ , 二 :8; 式中 , Ρ是每个相的容积百分数 , 用下标 Β 、 Σ 、 Δ 分别表示 固相 、 水和空气 。 固相包括几个 组分 :如矿物质 、 有机质等 ; 。 多数土壤矿物质几乎具有相同的密度值 :约为 6 4 ΤΝ! Γ 。Χ ∀ ; 和热容量值 :约为 Υ4 8 �ΗΔ �Γ ΗΧ = · Φ ;Α 由于分离土壤中不 同种类的有机质比较 困难 , 通常 把它们看作一个组分 :平均密度约为 4 ∀! Γ ΗΧ , 、 热容量约为 ∗ΗΔ� Γ ΗΧ “ · Φ ; Α 水的密度是 ! Γ Η耐 , 热容量是 ∗Η Δ� Γ ΗΧ “ · Φ Α 空气的密度只有水的千分之一 , 可以忽略它对土壤 比热 的影响。 由此 , 可将式 :8; 简化为 9 , 一 Κ · 8�Ρ 脚 Λ Κ ·ΤΡ 。 Λ Ρ , , :Ν; 式中 , 土壤 。 6 4 6 4 6 Ρ的下标 Χ 、 。 、 Σ 分别代表矿物质 、 有机质和水 。 上式不适用于冻土或部分冻结的 土壤的热导率 又 第 �期 魏文秋等 9 热红外遥感监测土壤含水量模型及其应用 土壤的空间平均热导率 只取决于它的矿物质组成 、 4 有机质含量以及水和空气的容积 。 把 土壤看作是水或空气的连续介质 , 其热导率可以表示为 9 又一艺Φ厂‘又, Γ 艺Φ沂, :Τ; 式中 , Ε 是不同种类的颗粒数量Α Ρ≅是第 ≅种颗粒的体积百分数 Α Φ ≅是加权系数 。 ≅一 。时代 表连续介质 , 即对于干土 , 空气是连续介质 Α 对于湿土 , 水是连续介质 , 此时 Φ 。 > 。 Φ≅ 的其他值可按下式计算 9 一冲 二 :升一 �;4 护 一 ’ :7; 式中 , ςΩ 取决于第Ω种颗粒的形状 , 且有 ! Λς 6Λς Ξ“ 根据 ΟΠ Θ 5≅ ΠΒ : !Τ∀ ; 的研究 , 石英 、 有机质 、 其他矿物质在 Υ ℃时 , 又Ψ值分别为 6Υ 4 8 、 Υ 4 Τ 、 7 :Χ Η Δ �Γ Π Χ · Β · Φ ; 。 对于湿土 , 水作为连续介质 , Φ Σ > , 心二 � 4 ∀ 7Χ ΗΔ �Γ Η Χ 一 Φ , 由式 :Τ; 可得 9Ρ , 又, 十 Ζ六又、Λ Φ ΞΚ 又。 十 Φ关又9 Λ Φ几又。 Ζ Ξ’Β Λ Ζ Ξ 。 :�; 式中 , 下标 Σ 、 [ 、 Κ 、 计 算 出 Φ Ψ 值 9 Φ [ Ρ Ψ Λ Ζ护。 Λ Ζ 厂。 十 Β 、 Δ 分别表示水 、 石英 、 有机质 、 其他矿物质和空气 。 由式 :7; 可 > Υ 4 6 7 ∀ Α Φ 一李:一一毕一 ΛΩ 一∴ 4 Γ = 勺Λ ∴ 4 匕Β3 Φ Β 二 Υ 4 Ν66 9 � Υ 4 768 一 Υ 4 ∀ ∀ 73 Φ 。 > 人> 6Τ 9 当 ΡΣ] Υ 4 =ΚΗ Χ , Γ Π Χ , 时 , Υ 4 6 8Χ Π Δ �Γ ΠΧ Β · Φ , 其 中 3 二 :。 ΡΣ ; Γ 又。 二 Υ 4 ΥΤ Λ 4Υ 4 � �ΡΣ , 得 :二 Υ 4 6; , 。 为总 孔 隙度 , � ∀ :一一卫—‘Υ 4! ! 一 Υ 4 8 6; 一, 即 。二 ΡΔ十 ΡΣ Α � Υ · Υ 7 Λ � · 8�Ρ Σ 当 ΡΣ ⊥ Υ 4 =ΗΧ , Γ ΗΧ ∀ 时 , 将上述参数值代人式 :�; , Ρ 、 Λ Υ · 6 7∀Ρ , Λ Κ · Ν6_ΡΒ Λ · 6Τ Ρ 。 Λ Φ Ξ 。 :! ; 当土壤含水量 ΡΣ 小于凋萎含水量 Ρ4⎯ Ι 时 , 可 以认为土壤干燥了 , 此时按式 :!; 所求得 的 又值需乘一个校正参数 ? , 其值为 Υ 4 Τ Ν , , , 、 8 ? 一 ‘十万 甘 , , 一Ξ · ’ : Υ; 6 4 6 4 ∀ 土壤热惯量 2 求出土壤的比热 , 和热导率之后 , 即可计算土壤的热惯量 2 , 现将有关公式列于下 尸 二饭正α :ΗΔ � · ΠΧ 一 6 Β 一 Γ 6 · Φ 一 � : ; 遥 感 技 术 与 应 用 总第 67 期 Π 一 Υ 4 8军阴 Λ Κ 4 ΤΥΡ 口 Λ Ρ , :ΠΔ � · ΠΧ 一 ’ ‘ Φ : 6; �4∀ 7Ρ 用 Λ Ν4 Ν7Ρ 。Λ ∀4 ΤΒΡΒ 十 Υ4 7ΤΡ 。 Λ Φ厂口兄。 Ρ Ψ Λ Κ ·6 7∀Ρ 。 Λ Υ · Ν 6军、 Λ �· 6 Τ ΩΡΚ Λ Φ 。又。 Υ 一 ∀ :Η Δ一 Π Χ 一 ’ · Β 一 ’ 4 Φ : ∀; 式中 , ΡΧ > 几十ΡΒ :Ρ Σ , 一Ρ 、 ; Ρ 、, ; Ρ时 八 ⊥Ρ 、‘ 4、Ξ一成∴一落们八“一尹 Υ 4 6 8 Υ ·Υ Τ Λ Κ ·� �Ρ Ψ � , 6百 气叹万页万丽丽 十 Υ 4 76 8 一 Υ 4 ∀ ∀ 73 Ρ , , ; Υ4 6 Υ Ρ , 丈 Υ 4 6 Υ Ρ 、 ; Κ ·6 Υ Φ > 弋‘ <Δ , � , 艺 ��二 Ι 9 , 二二丁ΠΒ ΠΒ ΠΒβ ΣΠ 二二 α二一4 十 二, 二二χ , χ 二χ 二二二二χΙ ∀ ’∴ · , , 一 ∴ ·8万 、 ∴· ∴7 Λ �·8 岑 , Ρ 、 ⊥ Κ · 6Υ “一Ρ , ￡一 Υ 4 6 ΡΔ 一 “一 Ρ Ψ 由上述推导可以看出 , 对于某种土壤 , 4 ΡΔ 、 ΡΚ 、 ΡΒ、 ΡΣ Ι 、 。均为已知 , 因而它的热惯量唯 一地由其土壤含水量来决定 。 而热惯量计算中的参数 0 和 △∋ , 可以由卫星遥感资料获得 , 所以利用卫星遥感资料可 以推求土壤含水量 。 ∀ 热红外遥感监测土壤含水量模型的结构 根据上述原理 , 由气象卫星 ) & 0 0 Γ 0 Θ − # # 的热红外遥感信息推求地表 日温差 , 可 见光遥感信息推求反照率 , 从而求得土壤热惯量 , 再由热惯量推求土壤含水量 。 这就是要建 立的热红外遥感监测土壤含水量模型 , 其基本结构如图 �示 。 模型包括输人 、 输出及分区情况 , 说明如下 9 ∀4 模型输入 模型输人包括 � 太阳常数 5 。 、 周 日角频率 。 、 太阳赤纬 6 、 当地纬度 价 等常数 7 8 极轨 气象卫星甚高分辨率扫描仪 �, −. . / . 0 1 2 2 % 的一 、 二 、 四通道 �9 1 ( 、 9 1 : 、 ; 1 % 原始资料 �包括昼夜两次% 7 < 地面状况资料 , 如数字地形模型 �= > ? % 等 7 逐天气状况 7 < 实测土壤含水量资料 , 它是检验模型精度所必须的 。 !&∃ 模型输出 模型输出土壤含水量分布图 , 可以用计算机打印 , 也可以拷贝成图像 , 或为土壤含水量 等值线图 & !‘! 按天气状况与地面状况进行分区 短波辐射的大气透过率 ; ≅ 因各地大气条件的差异而具有不同的值 , 所以在模型中规定 第 �期 魏文秋等 9 热红外遥感监测土壤含水量模型及少∴应用 按天气状况分 区 , 使 , Α 在 同一分区内按常数处理 。 另一方面 , ϑ 是天气与地面实况参数 , 在气象条件及地面条件都较一致的情况下 , 可以认为是常数 。 前面按天气状况分区可满足气 象条件比较一致的条件 , 为满足地面较一致的条件 , 需作第二次分区 。 ” Α二次分区主要考虑 地形对热惯量成像的影响 4 分区依据为数字地形模刑 :1 丁% 、 输 入 Β 。 , 。 δ 1 ∋ % δ天气状况 δ) Κ Ψ 0 _0 ⎯ − # # Π − , Π − 9 Η − Α :昼夜 ; 川 ε δ 分区 ε δ 分区 中午 , − , ,− = 中午 , − Α 凌展 , ��4 , − 一 , ,− = , ,− χ # + ϑ 合成 △∋ 土坡分类图 Η , 几 , ΡΚ , 几4 Ρ。 ε土城含水Ι 分布罗4 ε 图 热红外遥感监测土壤含水量模型框图 8 模型的验证与应用 选择辽宁省为研究区 , 首先对模型进行验证和精度分析 Α 在保证一定精度条件下 , 做出 研究区的土壤含水量分布图 。 8 4 研究区简况 研究 区辽 宁省位于东北地区的南端 ,南临渤海的黄海 , � “ 一 6 Τ “ ∃ , ∀ ! “ 一 8 ∀ “ ) , 属半湿润半干旱地区 。 该区旱涝灾害严重 , 一般年份 7 月底 � 月初 出现严重旱情 , 到 � 月中 旬开始进人雨季 , 又易涝成灾 。 辽宁省 7 4 � 月份正是植物长势 良好时期 , 主要农作物是玉米 、 高梁和水稻 , 东部山区有 部分森林地带 , 植被覆盖较好 , 这对于遥感土壤含水量而言是一个不利因素 。 辽宁省内的土壤类型划分为 � 上类 7 亚类 , 亚类还可以进一步细分�Νφ 。 8 4 6 地面实测土壤含水量资料 辽宁省对监测土壤含水量的工作极为重视 , 每当旱情出现时 , 各水文站每隔 Υ 天观测 一次地表 Υ Η Χ 、 6 ΥΗ Χ 、 ∀ΥΗ Χ 深处 的土壤含水量 , 为抗旱服务 。 本文收集了 ! � � 年 � 月 日 匕午 � 时各 水文站的地表 ΥΗ Χ 深处的点土壤含水量 :重量含水量 ; 资料 , 列于表 6 。 66 遥 感 技 术 与 应 用 ’总第 67 期 84 ∀ 卫星遥感资料的选择与处理 检 验 模 型 需 有 实 测 土 壤 含 水 量 资 料 , 故 选 择 与 实 测 土 壤 含 水 量 同 步 的 ) & 0 0 Γ 0 Θ − # # 的遥感资料 , 计有 ! Ν Ν 年 � 月 一。日下午 ∀ 时 Υ 分的 Π − ∗ 、 Π − = 、 Π − 和 Β 月 日上午 7 时 6 ∀ 分的 ,− , 、 ,− = 、 ,− ∀ 等 Τ 幅图像资料 :, , ∋ 磁带; 。 这些 图像 已 在接收站进行了初步处理 , 即灰度变换 、 亮度温度或反照率的标定 。 为精确提取有关点的图 像信息 , 只需作几何精度正处理 Τ 。 84 8 模型参数的确定 :�; ( 。 > ∀ Τ Υ :6 ; 。 > 6 γ ∀ 4 8 Γ :68 ? ∀ ΤΥΚ ; ? � :∀; 。一典又 6 9 。 6Τ , 一 Υ Υ 8∀ , Υ , , 8 : ! �� 4 � 4 ; :8 ; 价 二 ∀ ! Κ ) α 8 ∀ “ ) :Ν; 0 由 � 月 Υ 日下午的 0 Θ − # # 第一 、 二通道资料求得 。 :Τ ; △∋ 由 � 月 Υ 日下午和 � 月 日凌晨的 0 Θ − # # 第 四通道资料求得 。 :7 ; 根据 � 月 Υ 日下午的 Η − ∗、 , − = 、 , − Α 假彩色合成图像 , 结合常规土壤图对研究 区的土壤进行分类 , 并确定每一类土壤的参数 , 列于表 。 表 辽宁省土壤类型及其特性参数值 :表层 &, Χ 容积百分数 ; 序序 号号 土壤名称称 石石 凡凡 几几 乓乓 几、、 ∗∗∗∗∗ 暗棕色森林土土 Υ 4 Ν Ν !!! Υ 4 6 ∀ 888 Υ 4 Υ ΥΥΥ Υ Υ 777 Υ 4 Υ 888 66666 棕色森林土土 Υ 石! ΥΥΥ Υ , 6 ∀ ΝΝΝ Υ Υ 7 ΥΥΥ Υ 4 Υ ΝΝΝ Υ Υ ! ΥΥΥ ∀∀∀∀∀ 褐 土土 Υ 4 Ν Υ ΥΥΥ Υ 4 ∀ 6 ΥΥΥ Υ 刀 Υ , Τ !!! Υ 4 Τ ΥΥΥ 88888 淋溶褐土土 Κ Ω �777 Υ 4 6 � ΥΥΥ Υ 4 Υ ΥΥΥ Υ 4 ! ∀∀∀ Υ 4 ! ΥΥΥ ΝΝΝΝΝ 草甸 土土 Υ 8 � ΝΝΝ Υ 4 ∀ Υ ΥΥΥ Υ 刀 777 Υ 4 ! ��� Υ 4 � ΥΥΥ ΤΤΤΤΤ 潜育草甸土土 Υ 一8 6ΥΥΥ Υ 4 ∀ Υ ΥΥΥ Υ 4 ΝΥΥΥ Υ 4 ∀ ΥΥΥ Υ 4 � ΥΥΥ 77777 碳酸盐 、 苏打盐化草甸土土 Υ 48 6 ΥΥΥ Υ ∀ Υ ΥΥΥ Υ 4Υ 6ΥΥΥ Υ 4 6 Τ ΥΥΥ Υ 4 �ΥΥΥ ����� 盐 土土 Υ 4 Ν ΝΥΥΥ Υ 4 6 Τ ΥΥΥ Υ 4 Υ6 666 Υ 4 Τ ��� Υ 4 66 ΥΥΥ !!!!! 砂 土土 Υ 4 Ν �ΥΥΥ Υ ∀ 6 ��� Υ 4Υ Υ ��� Υ 乃�888 Υ 4 Υ 6 :� ; 参数 ϑ 、 , , 的确定 由于整个研究区均在一幅图像上 , 大气条件差异不大 , 而各个土壤含水量监测点基本上 都在平坦地上 , 根据地形分区应同属一个区 。 因此 , 参数 ϑ 、 , , 取常数 。 本文共收集 了 67 个水文站的土壤含水量观测资料 , 除 Τ 个水文站因其卫星图像上云的影响无法提取有关信息 外 , 可利用的实测土壤含水量值共 6 个 。 任选 Τ 个站的资料通过最小二乘法推求参数 ϑ 、 , Ι , 其余 Ν 个站的资料可用于验证 。 84 Ν 土壤含水蛋计算及精度分析 将上述参数值代人模型中 , 就可计算出 !�� 年 � 月 日第 7 一 6 号水文站的土壤含水 量值 :地表 Υ Η Χ 深度 ; , 结果列于表 6Κ 用来验证的 巧 个水文站的土壤含水量 , 其计算值与实测值的相对误差为 67 4 Νη , 最小 相对误差为 �4 !η , 这说明模型具有一定的精度 。 第 期 魏文秋等 9 热红外遥感监测土壤含水量模型及其应用 6 ∀ 84 Τ 植被对模型计算精度的影响及修正 卫星接收到有植被覆盖的土壤的热红外辐射能量包括两个部分 9 一部分是直接来自植被 的辐射能量 Α 另一部分是来自土壤经植被反射 、 吸收 、 散射后透过的能量 。 所以 , 在用热红 外图像推求土壤温度时必然受到植被的影响 。 为此 , 采用下列修正公式对前面求得的亮度温 度或温差进行修正 。 1 一 1∋ , > ∋ :�Λ 口1 一 1 : 8 ;刀卫Δ γ 式中 , ∋ 、 ∋ ’分别为修正前后 的亮度温度或温差 Α 1 为绿度 , 是衡量植被覆盖程度的一个指 标 , 植被覆盖程度越高 , 其绿度越大 , 反之越小 Α 1 。 为裸土的绿度 Α 1 Χ Δ 、 为植被完全覆盖 下的绿度 。 绿度计算公式为 9 1 ,−,− 。 一 ,− < Λ , − : Ν ; 利用气象卫星图像上直接提取的 , − ∗ 、 ,− 9 灰度值 , 可以计算不同地物的绿度 。 据统计 , 式 : 8 ; 的 1 > Υ 一 Υ 4 8 Τ , 1 Χ Δ ? > Υ 4 Ν Υ , 1 。 > Υ一 Υ 4 6 Υ 。 利用式 : 8 ; 修正后的温差值重新计 算各水文站处的土壤含水量 , 其结果列于表 6 。 比较修正前后的计算值可以看出 , 修正后的 表 6 热红外遥感监测土壤含水最模型检验计算表 序序号号 水文站站 经度度 纬度度 土壤含水水 土壤含水量计算值值 绝对误差差 相对误差差 量量量量量量实测值值值值值值值值值值值值值值值值值值值值值值值值值值值 修修修修修修修正前前 修正后后 修正前前 修正后后 修正前前 修正后后 ��� 宋宋 关家屯屯 6 ” 8 Ν,, ∀ ! “ 8 6 ,, !!!!!!!!!!!!!!! 666 ’’ 望宝 山山 6 6 Υ 6 � ,, 8 Υ Υ 6 Τ ,, �888888888888888 ∀∀∀ ‘‘ 巨流河河 6 6 “ 8 7 ,, 8 Υ Ν 7 ,, �∀∀∀∀∀∀∀∀∀∀∀∀∀∀∀ 888 ‘‘ 朱家房房 6 6 Υ ∀ ! ,, 8 “ Ν ,, !!!!!!!!!!!!!!! ΝΝΝ 浦浦 彭家堡堡 6 ∀ ” Υ Ν ,, 8 6 Υ 7 ,, ∗ΝΝΝΝΝΝΝΝΝΝΝΝΝΝΝ ΤΤΤ ’’ 韭菜河河 6 ∀ Υ Υ 6 ,, 8 “ ∀ 产产 6 666666666666666 77777 辽 阳阳 6 ∀ Υ 6 ,, 8 “ Τ ,, �ΝΝΝ 4 ��� 6 ∀∀∀ 一∀ 4 666 一6 777 6 4 ∀∀∀ � 刀刀 ����� 赫家店店 6 ∀ Υ Τ ,, 8 Υ Υ Ν! ,, �777 ∀ 4 ΤΤΤ 8 4 ΥΥΥ 一∀ 4 888 一∀刀刀 6 Υ 4ΥΥΥ 7 石石 !!!!! 灿 岩岩 6 ∀ Υ � ,, 8 Υ “ � ,, ∀∀∀ Ν ��� Ν 4 6 4��� 6 4 6 4 ΝΝΝ Τ 666 ���&&& 宝力镇镇 6 ∀ Υ 8 7 ,, 8 6 “ ΝΤ ,, ���� ∀ 4 888 ∀ 4 666 6 4888 6 4666 6 ��� 6 Υ 4ΥΥΥ ��� 东 陵陵 φ 6 ∀ Υ ∀ ∀ ,, 引 “ ΝΥ ,, �!!! Ν 4 ΥΥΥ Ν 4 ��� 一8 4 ΥΥΥ 一 ∀ 4 666 6 4ΥΥΥ Τ ��� 666 铁 岭岭 6 ∀ “ Ν Υ ,, 8 6 “ 6 Υ ,, �∀∀∀ Υ 4 ΥΥΥ Υ 4 一∀ 4 ΥΥΥ 一6 月月 6 ∀ 4 6 6 4 ∀∀∀ ∀∀∀ 文家街街 6 ∀ “ ∀ 8 ,, 8 Υ “ 8 ,, 888 Ν 4 Ν 4 ΥΥΥ 4 4 ΥΥΥ 6 7 4 ΝΝΝ 6 Ν乃乃 888 沙里寨寨 6 ∀ Υ 8 6 ,, 8 Υ Υ Υ ! ,, !!! Τ 4 ��� 7 4 666 一 6 4 666 一 4 ��� 6 8 4 888 6 Υ 4 ΥΥΥ ��� ΝΝΝ 松 树树 6 8 Υ 6 户户 8 6 “ 8 ∀ ‘‘ φ 888 4 6 刀刀 一 6 4 !!! 一6 ΥΥΥ 6 Υ , 777 8 ∀∀∀ ΤΤΤ 南 甸甸 一 6 8 “ 6 8 ,, 8 “ Τ ,, ��� ! 4 777 ! , ΤΤΤ 4 777 � ΤΤΤ 6 4 ∀∀∀ 6 Υ 4 ΥΥΥ ���777 小 市 、、 6 8 Υ Υ ! ,, 8 Υ ! ,, ��� ! 4 !!! ! ΤΤΤ 4 !!! �, ΤΤΤ 6 ∀ 4 ��� 6 Υ 4 ΥΥΥ ∗∗∗��� 黎树沟沟 68 “ 6 6 8 Υ “ ! ,, � !!! Ν滩滩 Ν乡乡 一 ∀ , ΤΤΤ 一∀ 4 � 4 !!! Τ ∀∀∀ ���!!! 北 口前前 68 Υ ∀ Τ ,, 8 6 “ Υ Υ 了了 ��� 8 4 ΥΥΥ 8 , 777 一8 4 ΥΥΥ 一∀ 4 ∀∀∀ 6 Υ 4 666 �4 ∀∀∀ 666ΥΥΥ 永 陵陵 68 “ ∀ Τ ,, 8 φ “ 8 ∀ ,, � !!! 6 6 4 777 6 6刀刀 ∀ 4 777 ∀ ΥΥΥ ! 4 ΝΝΝ Ν名名 666 桓 仁仁 6 Ν “ 6 6 尹尹 8 φ 。 7 777 Ν 4 ∀∀∀ Ν 4888 一 777 一飞4 ΤΤΤ 6 8 ∀∀∀ 6 6 4 !!! 均均均值值值值值值值值值 6 ! ΝΝΝ � 4 ! ΥΥΥ 注9 加 “ , ”号的六个站的值用以确定模型参数 ϑ 、 , Α 遥 感 技 术 与 应 用 总第 6 7 期 精度有所提高 , 但不明显 。 这说明植被对地表亮度温度或温差的影响十分复杂 , 它与其他因 素如空气湿气 、 薄层云等一起综合影响着地表土壤的辐射温度 。 尽管植被的影响确实存在 , 但要单独考虑却是困难的 。 当植被覆盖较好时 , 卫星所探测到的热红外辐射能量与其说来 自 地表土壤 , 还不如说是来自植被本身更确切一些 。 然而 , 由于较厚的植被覆盖层基本上吸收 了来自地表的热辐射 , 而植被本身的温度又与其供水状况即土壤含水量有关 , 所 以卫星通过 遥感植被温度而间接地获得了土壤含水量信息。 84 7 土壤含水量分布图的绘制 利用热红外遥感监测土壤含水量模型可以计算辽宁省 ! � � 年 � 月 日气象卫星影像上 各像元的土壤含水量 :地表 Υ ΗΧ 深处 ; , 根据精度要求将其分为若干级并赋予 不同的颜 色 , 就制成了表示土壤含水量分布的假彩色图像 Α 也可根据各像元的土壤含水量值制成土壤 含水量等值线图 :图略;。 Ν 结语 大面积土壤含水量分布的热红外遥感监测土壤含水量模型 , 为利用 ) & 0 0 Γ 0 Θ − # # 遥感资料和少量的土壤含水量资料 , 迅速获得大面积土壤含水量信息提供了可能 , 并能以假 彩色图像或土壤含水量等值线图表示上壤含水量的分布 , 为防洪抗旱服务 。 模型应用简便 , 并具有一定的精度 。 当然 , 由于资料所限 , 还存在一些问题 , 如检验模型的实测资料尚嫌太 少 , 并且已有的资料观测精度不高 Α 如何定量识别植被对地表温度的影响 , 又如何消除植被 的影响等有待进一步研究 。 参 考 文 献 4 田国良 4黄河流域典型地区遥感动态研究 4科学 出版社 , ! !Υ 6 4 ∋ ιΚ Χ Δ Β Ξ 4 % ≅Π5 Κ Σ Δ⎯ Π # ΠΧ Κ ΙΠ ( ΠΕ Β≅Ε ς Κ Ρ Ν Υ % Κ ≅ΒΙϕ 5 Π 4 ∃ ≅ς ι ΙΠ ΠΕ Ιι ∗Ε ΙΠ 5 Ε Δ Ι≅Κ Ε Δ � (κΧ 2Κ Β一ϕ Χ Κ Ε # Π 5Ε Κ ΙΠ (Π Ε Β一Ε ς Κ Ρ ∃ Ε ⎯ ≅5 Κ Ε Χ Π Ε Ι , φ ! �8 ∀ 4 ϑ �Δ Ε Πι Δ 5 Ο ϑ Ξ , , ιΔ Ε ς 0 ∋ 4 ∃ Β Ι≅Χ Δ Ι≅Κ Ε Κ Ρ( Κ Ω�% Κ ≅ΒΙϕ 5 Π Ρ5 Κ Χ (ΠΔ Β Δ Ι (0 # 1 Δ ΙΔ 4 λ Δ ΙΠ 5 # ΠΒΚ ϕ 5 Π ΠΒ ϑ ϕ ��Π Ι�Ε , ! � ∀ , ! :Ν ; 8 4 张向前等 4热惯量成像研究 4遥感信息 , ! �Τ , 6 :6; 反 中科院林业土壤研究 所 4中国东北土壤 ,科学 出版社 , ! � Υ Τ 4 李铁芳等 4遥感图像数字处理原理及应用 4 云南科技出版社 4 ! � 7 第 � 期 魏文秋等 9 热红外遥感监测土壤含水量模型及其应用 6 Ν ∋ ι Π % Κ Ο Π � Κ Ρ Ν Υ λ Δ ΙΠ 5 , Κ Ε ΙΠ Ε Ι % Κ Ε ≅ΙΚ 5≅Ε ς 3κ ∋ ιΠ 5 Χ Δ� ∗Ε Ρ5 Δ 5 Π Ο # ΠΧ Κ ΙΠ ( Π Ε Β≅Ε ς Δ Ε Ο ∗ΙΒ 0 22�≅ Η Δ Ι≅ Κ Ε λ Π ≅λ Π Ε [ ≅ϕ ,ι ΠΕ γ ≅ϕ Σ Δ Ε :附ϕ ι Δ 59 ∴; 9 ≅, Π 5 Β≅:μ ΚΡ −⎯ Ο5 Δ “左Π Δ Ε Ο ∃ �Π Η �5 ΩΠ ∃ Ε ς ≅Κ Π Π 5 �ΕΒ ; 0 3 Β Ι5 Δ , Ι ∃ Β Ι≅Χ Δ Ι≅Κ Ε �Δ 5 ς Π Δ 5 Π Δ Ε Π Δ 5一 Βϕ 5ΡΔ ΠΠ Ν Υ Σ Δ ΙΠ 5 Π Κ Ε ΙΠΕ Ι ι Δ Β ς 5 Π Δ Ι ⎯ Δ �ϕ Π 4 ∋ ι Π 5 Π �Δ Ι≅Κ Ε Β Δ Χ Κ Ε ς Βϕ 5ΡΔ ΠΠ Ν Υ Ο ≅ϕ 5Ε Δ � ΙΠΧ 2Π5 Δ Ιϕ 5 Π Ο ≅ΡΡΠ 5Π Ε Π Π , Ν Υ ΙιΠ 5Χ Δ � ≅Ε ΙΠ 5Ι≅Δ Δ Ε Ο Ν Υ Σ Δ ΙΠ5 Π Κ Ε χ ΙΠ Ε Ι Δ 5Π Ιι Π Κ 5 Π Ι≅Η Δ ��κ Δ Ε Δ �κΒΠΟ ≅Ε Ιι≅Β 2Δ 2Π 5 4 ∋ ιΠ Χ Π Ιι Κ Ο Κ Ρ ΠΔ ≅Η ϕ �Δ Ι≅Ε ς Ν Υ Σ Δ ΙΠ 5 Π Κ Ε ΙΠΕ Ι Ρ5 Κ Χ Ν Υ ΙιΠ5Χ Δ � ≅Ε ΙΠ 5Ι≅Δ Δ Ε Ο Η Δ �Π ϕ �Δ Ι≅Ε ς ΝΥ Ιι Π5Χ Δ � ≅Ε ΙΠ 5Ι≅Δ Ρ5 Κ Χ Βϕ 5ΡΔ ΠΠ Ν Υ Ο ≅ϕ 5 Ε Δ � ΙΠΧ χ 2Π 5 Δ Ιϕ �·Π Ο ≅ΡΡΠ 5Π Ε Π Π Δ 5 Π 5 Π ΒΠ Δ 5 Π ι ΠΟ 4 ∋ ιΠ Χ Κ Ο Π � Κ Ρ ΝΥ Σ Δ ΙΠ 5 ΠΚ Ε ΙΠ Ε Ι % Κ Ε ≅ΙΚ 5≅Ε ς 3 κ ∋ ιΠ 5Χ Δ � ∗Ε Ρ5 Δ 5 ΠΟ # ΠΧ Κ ΙΠ (Π Ε Β≅Ε ς Ν ΠΒΙΔ 3 �≅Βι Π Ο 4 ∋ ι Π Χ Κ Ο Π � ι Δ Β Π Π 5ΙΔ ≅Ε 25 Π Π≅Β≅Κ Ε ≅Ε Δ Π Π Κ 5 Ο Δ Ε Η Π Σ ≅Ιι ΙΠ ΒΙ Κ Ρ ΙιΠ Κ 3 ΒΠ5⎯ Π Ο Ο Δ ΙΔ 4 ∋ ι Π 25 Κ 2Κ ΒΠ Ο Χ Κ Ο Π � Ν ϕ ΒΠΟ ΙΚ Κ 3 ΙΔ ≅Ε Ιι Π Ε ΠΔ 5一 Βϕ 5ΡΔ Π Π Ν Υ Σ Δ ΙΠ 5 Π Κ Ε ΙΠ Ε Ι Χ Δ 2 Κ Ρ . ≅Δ Κ Ε ≅Ε ς 2 5 Κ ⎯ ≅Ε Π Π Κ Ε 0 ϕ ς ϕ ΒΙ , ! � � 4 Φ Η κ Σ Κ 5Ο Β ∗Ε ΙΠ Ρ Ι� Δ Ν Υ Σ Δ ΙΠ 5 Π Κ Ε ΙΠ Ε Ι ∋ ιΠ5Χ Δ � ≅Ε Ρ5 Δ 5 Π Ο 5ΠΧ Κ ΙΠ ΒΠΕ Β≅Ε ς Ν Υ Ιι Π5Χ Δ �